典型文献
基于多传递影响力的社交媒体谣言检测方法
文献摘要：
社交媒体谣言检测是当前研究的热点问题,现有方法多数通过获取大量用户属性学习用户特征,但不适用于谣言的早期检测,忽略了用户之间的潜在关系对信息传播的影响.提出一种基于多传递影响力的谣言检测方法,根据源微博及其对应转发(评论)之间的关系构建文本信息传播图,并通过图卷积神经网络来捕获、学习文本信息的传播特征.利用文本信息和用户传播过程中的影响力,丰富可用于谣言检测早期的检测信息.将存在转发关系的用户构成用户影响力传播图,构建一种用户节点影响力学习方法,获取用户节点影响力,以增强用户特征信息.在此基础上,将文本特征与用户特征融合以进行谣言检测,从而提升检测效果.在3个真实社交媒体数据集上的实验结果表明,该方法在谣言自动检测以及早期检测的效果都有显著提升,与目前最好的基准方法相比,在微博、Twitter15、Twitter16数据集上的正确率分别提高了2.8％、6.9％和3.4％.
文献关键词：
谣言检测;传递影响力;图卷积神经网络;信息传播;社交媒体
中图分类号：
作者姓名：
段大高;白宸宇;韩忠明;熊海涛
作者机构：
北京工商大学 国际经管学院,北京 100048;北京工商大学 食品安全大数据技术北京重点实验室,北京 100048
文献出处：
引用格式：
[1]段大高;白宸宇;韩忠明;熊海涛-.基于多传递影响力的社交媒体谣言检测方法)[J].计算机工程,2022(10):138-145,157
A类：
传递影响力
B类：
社交媒体谣言检测,用户属性,习用,用户特征,早期检测,潜在关系,信息传播,微博,应转,转发,关系构建,建文,文本信息,图卷积神经网络,学习文本,传播特征,传播过程,用户影响力,影响力传播,节点影响力,取用,特征信息,文本特征,特征融合,检测效果,社交媒体数据,自动检测,基准方法,Twitter15,Twitter16
AB值：
0.309299
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
